创作悬疑故事：基于大语言模型的迭代规划
计算与语言
2024-02-28 v1
摘要
自动化故事生成一直是自然语言处理（NLP）领域的长期挑战之一。在故事的各个维度中，悬疑在人类撰写的故事中非常普遍，但在 AI 生成的故事中却相对未被充分探索。尽管大语言模型（LLMs）的最新进展极大地推动了通用的语言生成，但最先进的 LLMs 在生成悬疑故事方面仍不可靠。我们提出了一种新颖的基于迭代提示的规划方法，该方法植根于认知心理学和叙事学中关于故事悬疑的两个理论基础。这种基于理论的方法以完全零样本的方式运行，不依赖任何监督故事语料库。据我们所知，本文是首次尝试利用 LLMs 进行悬疑故事生成。对生成的悬疑故事进行的广泛人工评估证明了该方法的有效性。
引用
@article{arxiv.2402.17119,
title = {Creating Suspenseful Stories: Iterative Planning with Large Language Models},
author = {Kaige Xie and Mark Riedl},
journal= {arXiv preprint arXiv:2402.17119},
year = {2024}
}
备注
Accepted to EACL 2024